PENDAHULUAN
1
2
demikian, prosedur perhitungan sel darah dengan mikroskop ini cukup memakan
waktu dan melelahkan. (Kasmin et al., 2012). Putsu dan Ruberto menambahkan
bahwa inspeksi citra mikroskopis darah bone marrow ini juga memiliki hasil yang
beragam dan tidak memiliki standar yang jelas, hal ini dikarenakan proses tersebut
sangat bergantung pada keahlian dari hematologis (Putsu dan Ruberto, 2013).
Adapun teknik lain yang digunakan untuk menghitung jumlah sel darah seperti
immunophenotyping, flowcytometer dan molecular probing juga masih digunakan
sebagai standar diagnosa leukemia. Namun demikian, Patil dan Raskar berpendapat
teknik tersebut dinilai masih tergolong relatif memakan banyak biaya. Dari
permasalahan tersebut dapat diatasi salah satunya yakni dengan menggunakan
perpaduan pengolahan citra dan artificial neural network untuk melakukan
diagnosa leukemia (Patil dan Raskar , 2015).
Beragam metode dan algoritma telah diusulkan dalam berbagai penelitian
terkait identifikasi sel darah. Salah satunya adalah penelitian yang dilakukan oleh
Abidin, yakni pemanfaatan teknik segmentasi active contour without edge untuk
mendeteksi keberadaan kandidat parasit malaria dari citra mikroskopis apusan tebal
darah (Abidin et al., 2016). Penelitian lainnya yakni perpaduan seed region growing
segmentation dan momentum backpropagation untuk klasifikasi lima jenis sel darah
putih yang dilakukan oleh Pradana dan rekan-rekan (Pradana, et al. 2013).
Penelitian terkait deteksi leukemia jenis ALL dan AML M3 berdasarkan fitur
morfologi citra sel darah putih (area sel, rasio nukleus dan rasio granula) dengan
Fuzzy Rule Based juga dilakukan oleh Suryani, Wiharto, Polvonov (Suryani et al.,
2014a).
Mengacu pada penelitian yang telah dijabarkan, usulan penelitian yang
akan dilakukan saat ini adalah melakukan klasifikasi subtipe leukemia AML : M1,
M2, dan M3 dengan menggabungkan proses segmentasi active contour without
edge untuk sel darah putih dalam citra mikroskopik darah dan artificial neural
network dengan algoritma momentum backpropagation berdasarkan morfologi sel
darah putih. Penulis berekspektasi bahwa perpaduan metodologi pengolahan citra
dan artificial neural network nanti akan dapat diperoleh derajat akurasi yang lebih
tinggi dibandingkan penelitian sebelumnya.
3
dan monoblast, terhadap jenis sel darah putih lainnya. Kemiripan morfologi objek
citra merupakan dasar dari dipilihnya subtipe tersebut sebagai bahan penelitian.
Penelitian akan dilakukan dengan menggunakan teknik preprocessing pengolahan
citra untuk mendapatkan citra yang siap untuk disegmentasi dengan active contour
without edge. Objek sel myeloblast yang didapatkan kemudian akan dihitung nilai
fitur yang tepat sesuai dengan karakteristik dari masing-masing citra. Fitur hasil
ekstraksi tersebut kemudian akan diolah dengan menggunakan momentum
backpropagation artificial neural network untuk mendapatkan hasil klasifikasi
yang tepat.
Penelitan tentang klasifikasi subtipe penyakit acute myeloid leukemia M1,
M2 dan M3 dengan segmentasi active contour without edge dan momentum
backpropagation artificial neural network ini diharapkan dapat membantu
mempercepat kinerja hematologis dalam melakukan deteksi subtipe ketiga AML
tersebut. Melalui kombinasi kedua bidang ilmu tersebut diharapkan pula dapat
mengurangi tingkat kesalahan dalam klasifikasi AML sehingga pasien dapat segera
diberikan pengobatan sesuai dengan subtipe AML yang diderita.
terhadap hasil ekstraksi fitur dari citra sel darah putih yang
tersegmentasi dengan benar. Tahap ketiga adalah dengan melakukan
pembahasan terhadap hasil pelatihan dan pengujian dengan
momentum backpropagation. Pengujian dilakukan untuk
mendapatkan nilai predictive analysis terbaik dengan merubah
kombinasi parameter dalam batasan error perubahan. Validasi
dilakukan dengan menggunakan k-fold cross validation untuk
menghindari terjadinya overfitting data.
BAB VII KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan yang dapat diambil dari hasil penelitian
yang telah dilakukan beserta saran yang dapat diberikan untuk
pengembangan penelitian terkait klasifikasi penyakit leukemia
selanjutnya.